一、引言

近年來(lái)，黨中央、國(guó)務(wù)院高度重視審計(jì)信息化與數(shù)據(jù)治理能力建設(shè)?！丁笆奈濉眹?guó)家審計(jì)工作發(fā)展規(guī)劃》提出堅(jiān)持科技強(qiáng)審，充分運(yùn)用現(xiàn)代信息技術(shù)開(kāi)展審計(jì)，提高審計(jì)質(zhì)量和效率；《數(shù)字中國(guó)建設(shè)整體布局規(guī)劃》則將數(shù)據(jù)治理提升至國(guó)家治理現(xiàn)代化的核心議程。

當(dāng)前，審計(jì)數(shù)據(jù)呈現(xiàn)來(lái)源多元異構(gòu)、體量達(dá)百億級(jí)且持續(xù)快速增長(zhǎng)、跨域跨模態(tài)語(yǔ)義深度關(guān)聯(lián)三重特征。多源異構(gòu)數(shù)據(jù)存在相應(yīng)的質(zhì)量問(wèn)題，已成為制約智能化轉(zhuǎn)型的關(guān)鍵瓶頸，而傳統(tǒng)人工清洗方法已難以滿足效率與準(zhǔn)確性方面的要求。新一代信息技術(shù)的快速演進(jìn)，正深度重塑審計(jì)數(shù)據(jù)生態(tài)。本文聚焦審計(jì)實(shí)踐中日益突出的“數(shù)據(jù)質(zhì)量痛點(diǎn)”問(wèn)題，針對(duì)審計(jì)數(shù)據(jù)在源頭、結(jié)構(gòu)、語(yǔ)義等維度的復(fù)雜性，提出一套具備智能解析與治理能力的統(tǒng)一質(zhì)量建設(shè)體系。該體系主要涵蓋以下方面：（1）建立審計(jì)數(shù)據(jù)的多模態(tài)統(tǒng)一解析框架，提升結(jié)構(gòu)化轉(zhuǎn)換能力并確保語(yǔ)義一致性；（2）構(gòu)建字段標(biāo)準(zhǔn)化機(jī)制與指標(biāo)口徑庫(kù)，從而解決數(shù)據(jù)冗余、字段歧義等問(wèn)題；（3）實(shí)現(xiàn)數(shù)據(jù)質(zhì)量的動(dòng)態(tài)評(píng)估與閉環(huán)治理，為審計(jì)智能分析與風(fēng)險(xiǎn)感知提供高質(zhì)量數(shù)據(jù)支撐。通過(guò)該體系，可有效突破傳統(tǒng)模式下存在的數(shù)據(jù)融合難、標(biāo)準(zhǔn)缺失、結(jié)構(gòu)不統(tǒng)一等問(wèn)題，推動(dòng)審計(jì)工作向數(shù)據(jù)驅(qū)動(dòng)與智能協(xié)同方向深度發(fā)展。

二、審計(jì)數(shù)據(jù)的特點(diǎn)與難點(diǎn)

當(dāng)前審計(jì)數(shù)據(jù)呈現(xiàn)出以下典型特征：（1）數(shù)據(jù)來(lái)源多元、模態(tài)高度異構(gòu)：審計(jì)對(duì)象已從傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)拓展至非結(jié)構(gòu)化與半結(jié)構(gòu)化數(shù)據(jù)，如合同文本、PDF標(biāo)書(shū)、圖像票據(jù)與日志記錄，在部分審計(jì)項(xiàng)目中非結(jié)構(gòu)化數(shù)據(jù)占比甚至超過(guò)60%。（2）數(shù)據(jù)體量爆發(fā)式增長(zhǎng)：多數(shù)省級(jí)審計(jì)平臺(tái)已管理百億級(jí)記錄，涵蓋財(cái)政、社保、金融等多個(gè)業(yè)務(wù)領(lǐng)域，年均增長(zhǎng)率超過(guò)35%。（3）語(yǔ)義關(guān)聯(lián)性要求提升：如自然資源資產(chǎn)審計(jì)需融合國(guó)土、環(huán)保、林業(yè)等多個(gè)部門(mén)的結(jié)構(gòu)化與空間數(shù)據(jù)，對(duì)語(yǔ)義對(duì)齊與跨模態(tài)關(guān)聯(lián)提出更高要求。

多源異構(gòu)數(shù)據(jù)存在的質(zhì)量問(wèn)題會(huì)對(duì)審計(jì)產(chǎn)生一定影響。表1總結(jié)了多源異構(gòu)數(shù)據(jù)的特征及其對(duì)審計(jì)質(zhì)量的影響。

審計(jì)實(shí)踐中，多源異構(gòu)多模態(tài)所導(dǎo)致的數(shù)據(jù)質(zhì)量問(wèn)題已成為制約智能化轉(zhuǎn)型的重要瓶頸，主要表現(xiàn)在以下三個(gè)方面：（1）字段歧義與單位混亂問(wèn)題：由于審計(jì)數(shù)據(jù)來(lái)源多樣，缺乏統(tǒng)一的指標(biāo)定義與格式規(guī)范，不同部門(mén)或系統(tǒng)對(duì)同一指標(biāo)的命名口徑存在差異（如“項(xiàng)目資金”“項(xiàng)目支出”“資金撥付金額”均指代相似概念），金額單位混雜（如元、萬(wàn)元、億元并存），導(dǎo)致數(shù)據(jù)比對(duì)困難、計(jì)算錯(cuò)誤頻發(fā)，嚴(yán)重影響分析的準(zhǔn)確性與可比性。（2）結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)存在割裂現(xiàn)象：審計(jì)過(guò)程中，大量文本、圖像、表格等非結(jié)構(gòu)化信息（如合同掃描件、銀行回單、會(huì)議紀(jì)要）未能與結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)（如財(cái)務(wù)系統(tǒng)記錄、付款流水）實(shí)現(xiàn)有效關(guān)聯(lián)，導(dǎo)致證據(jù)鏈條不完整、審計(jì)判斷缺乏有力支撐。（3）數(shù)據(jù)更新滯后與可追溯性弱：部分?jǐn)?shù)據(jù)采集存在時(shí)效性不足的問(wèn)題，如社保、醫(yī)保等系統(tǒng)存在數(shù)據(jù)上報(bào)滯后的現(xiàn)象，導(dǎo)致審計(jì)人員在分析時(shí)無(wú)法獲取最新信息，線索斷點(diǎn)頻繁出現(xiàn)。此外，部分?jǐn)?shù)據(jù)缺乏版本管理機(jī)制，難以還原其生成和變更路徑，對(duì)可追溯分析與責(zé)任認(rèn)定的深入展開(kāi)形成了限制。

為此，圍繞“多模態(tài)審計(jì)數(shù)據(jù)的清洗融合與統(tǒng)一表達(dá)”這一核心主線，本文主要從以下三個(gè)層級(jí)展開(kāi)研究：（1）設(shè)計(jì)多模態(tài)數(shù)據(jù)質(zhì)量增強(qiáng)機(jī)制。結(jié)合OCR（光學(xué)字符識(shí)別）與NLP（自然語(yǔ)言處理）技術(shù)，對(duì)掃描件、PDF標(biāo)書(shū)、圖像票據(jù)等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行結(jié)構(gòu)化轉(zhuǎn)換，通過(guò)訓(xùn)練專用Audit-NER（審計(jì)領(lǐng)域命名實(shí)體識(shí)別）模型，提高對(duì)合同金額、付款條件、項(xiàng)目名稱等核心要素的識(shí)別準(zhǔn)確率。（2）構(gòu)建審計(jì)字段標(biāo)準(zhǔn)化與語(yǔ)義解析框架。構(gòu)建審計(jì)數(shù)據(jù)標(biāo)準(zhǔn)詞典與語(yǔ)義映射規(guī)則集，通過(guò)詞嵌入模型與規(guī)則引擎相結(jié)合的方式，自動(dòng)識(shí)別并歸一同義字段，解決字段歧義與口徑不統(tǒng)一問(wèn)題。（3）建立融合審計(jì)知識(shí)圖譜的質(zhì)量推理引擎。以審計(jì)業(yè)務(wù)流程與監(jiān)管邏輯為基礎(chǔ)，構(gòu)建包含指標(biāo)關(guān)系、時(shí)間序列、行為模式等維度的知識(shí)圖譜，結(jié)合圖神經(jīng)網(wǎng)絡(luò)與語(yǔ)義規(guī)則挖掘技術(shù)，實(shí)現(xiàn)不同模態(tài)數(shù)據(jù)間的語(yǔ)義對(duì)齊、實(shí)體關(guān)聯(lián)與信息補(bǔ)全。

三、大數(shù)據(jù)審計(jì)數(shù)據(jù)質(zhì)量的治理框架構(gòu)建

（一）治理框架的核心目標(biāo)

本治理框架旨在應(yīng)對(duì)審計(jì)領(lǐng)域多源異構(gòu)數(shù)據(jù)融合的深層挑戰(zhàn)，實(shí)現(xiàn)從“數(shù)據(jù)可用”到“知識(shí)可用”的跨越式提升。為達(dá)成此愿景，本文設(shè)定兩大目標(biāo)：一是構(gòu)建面向?qū)徲?jì)業(yè)務(wù)的統(tǒng)一知識(shí)庫(kù)。將審計(jì)工作中的多源異構(gòu)數(shù)據(jù)（財(cái)務(wù)系統(tǒng)、合同文本、票據(jù)掃描件等）匯聚融合，通過(guò)自動(dòng)化語(yǔ)義解析技術(shù)構(gòu)建統(tǒng)一知識(shí)庫(kù)。該知識(shí)庫(kù)不僅是數(shù)據(jù)的簡(jiǎn)單聚合，而是將原始、孤立的數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化、語(yǔ)義化的知識(shí)網(wǎng)絡(luò)，為大語(yǔ)言模型（LLM）提供可信的知識(shí)基礎(chǔ)，成為推動(dòng)審計(jì)智能化的核心戰(zhàn)略資產(chǎn)。二是設(shè)計(jì)并實(shí)現(xiàn)統(tǒng)一的多模態(tài)數(shù)據(jù)解析框架。為了保障統(tǒng)一知識(shí)庫(kù)的高質(zhì)量構(gòu)建，需依賴強(qiáng)大的解析引擎作為數(shù)據(jù)輸入機(jī)制。因此，本文提出以圖像、文本、表格等多模態(tài)數(shù)據(jù)為對(duì)象，構(gòu)建統(tǒng)一的語(yǔ)義解析與融合框架，確保原始數(shù)據(jù)能夠被高效處理為結(jié)構(gòu)規(guī)范、字段統(tǒng)一、語(yǔ)義明確的“審計(jì)就緒數(shù)據(jù)”，從源頭保障知識(shí)建構(gòu)的數(shù)據(jù)質(zhì)量。

（二）技術(shù)實(shí)施路線：審計(jì)數(shù)據(jù)統(tǒng)一解析與知識(shí)庫(kù)構(gòu)建

為實(shí)現(xiàn)上述目標(biāo)，本文設(shè)計(jì)了一套集數(shù)據(jù)輸入、預(yù)處理、解析、融合和輸出于一體的綜合技術(shù)實(shí)施路徑，整體流程如圖1所示。

1.輸入與預(yù)處理模塊。輸入與預(yù)處理模塊是整個(gè)框架的起點(diǎn)，旨在統(tǒng)一接入并標(biāo)準(zhǔn)化處理不同來(lái)源和格式的審計(jì)數(shù)據(jù)。該框架支持處理結(jié)構(gòu)化數(shù)據(jù)（如數(shù)據(jù)庫(kù)和電子表格中的財(cái)務(wù)數(shù)據(jù)）和非結(jié)構(gòu)化數(shù)據(jù)（如PDF、DOC、TXT格式的法規(guī)文件、合同文本及掃描件形式的圖像票據(jù)）。對(duì)于非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)OCR技術(shù)提取圖像和掃描件中的文本，利用NLP技術(shù)進(jìn)行清洗、去噪、格式化處理，并進(jìn)行初步語(yǔ)義分塊；對(duì)于結(jié)構(gòu)化數(shù)據(jù)，直接進(jìn)行字段提取和清洗，為后續(xù)知識(shí)圖譜構(gòu)建做好準(zhǔn)備。

2.解析與融合模塊。解析與融合模塊是整個(gè)框架的核心，負(fù)責(zé)將預(yù)處理后的數(shù)據(jù)轉(zhuǎn)化為高質(zhì)量的知識(shí)并構(gòu)建統(tǒng)一知識(shí)庫(kù)，包含兩個(gè)相互協(xié)同的核心組成部分。

一是面向大語(yǔ)言模型的文本知識(shí)庫(kù)構(gòu)建，主要處理法規(guī)、合同文本、研究報(bào)告等非結(jié)構(gòu)化文檔。通過(guò)語(yǔ)義分塊技術(shù)，利用NLP依據(jù)語(yǔ)義完整性將長(zhǎng)文檔切分為主題內(nèi)聚的文本片段，確保每個(gè)片段包含完整概念或論點(diǎn)。比如，將審計(jì)報(bào)告切分為“公司財(cái)務(wù)狀況分析”“關(guān)聯(lián)交易風(fēng)險(xiǎn)評(píng)估”和“審計(jì)意見(jiàn)”等獨(dú)立片段。技術(shù)上可計(jì)算句子間余弦相似度確定分塊邊界，或使用BERT（雙向編碼器表示Transformer）等預(yù)訓(xùn)練模型將文檔嵌入向量空間，隨后通過(guò)聚類算法切分。同時(shí)，為每個(gè)文本片段自動(dòng)生成精煉的摘要作為核心索引，幫助LLM快速理解片段主旨，并提升檢索效率。

二是面向邏輯關(guān)聯(lián)的知識(shí)圖譜構(gòu)建，這是知識(shí)庫(kù)的結(jié)構(gòu)化核心，主要整合審計(jì)核心結(jié)構(gòu)化數(shù)據(jù)及從非結(jié)構(gòu)化數(shù)據(jù)源中提取的關(guān)鍵實(shí)體信息。依托NLP信息抽取和OCR識(shí)別能力，從發(fā)票掃描件等數(shù)據(jù)源中精準(zhǔn)提取交易主體、時(shí)間戳、金額、關(guān)聯(lián)方等核心審計(jì)要素，采用“實(shí)體—關(guān)系—實(shí)體”三元組模型進(jìn)行邏輯關(guān)聯(lián)，構(gòu)建審計(jì)領(lǐng)域知識(shí)圖譜。最后通過(guò)建立知識(shí)圖譜節(jié)點(diǎn)與相關(guān)文本片段之間的雙向索引關(guān)聯(lián)，將文本知識(shí)庫(kù)與知識(shí)圖譜有機(jī)融合，形成統(tǒng)一的審計(jì)知識(shí)庫(kù)，使其既具備結(jié)構(gòu)化圖譜的邏輯關(guān)聯(lián)能力，又擁有非結(jié)構(gòu)化文本的豐富語(yǔ)義表達(dá)。

3.輸出模塊。經(jīng)過(guò)解析、建庫(kù)和融合后的知識(shí)，在最終輸出模塊以三種主要形式服務(wù)于不同的審計(jì)應(yīng)用場(chǎng)景。一是將解析后的數(shù)據(jù)以結(jié)構(gòu)化、標(biāo)準(zhǔn)化的格式（如JSON、CSV）輸出，供其他系統(tǒng)或數(shù)據(jù)分析工具使用；二是將構(gòu)建好的知識(shí)圖譜和文本知識(shí)庫(kù)存儲(chǔ)于圖數(shù)據(jù)庫(kù)（如Neo4j）和向量數(shù)據(jù)庫(kù)（如Pinecone、Milvus）中，實(shí)現(xiàn)知識(shí)的持久化存儲(chǔ)；三是提供可視化界面，通過(guò)圖譜展示復(fù)雜實(shí)體間的關(guān)系，幫助審計(jì)人員直觀地理解數(shù)據(jù)并進(jìn)行交互式探索。通過(guò)這一整套流程，本框架將多源異構(gòu)的審計(jì)數(shù)據(jù)轉(zhuǎn)化為可信、高質(zhì)量的知識(shí)資產(chǎn)，為大語(yǔ)言模型在審計(jì)領(lǐng)域的深度應(yīng)用奠定堅(jiān)實(shí)基礎(chǔ)。

（三）知識(shí)嵌入表示

為了實(shí)現(xiàn)高效的知識(shí)檢索與應(yīng)用，所有知識(shí)需轉(zhuǎn)化為向量形式。對(duì)于文本知識(shí)庫(kù)中的摘要索引和語(yǔ)義分塊，使用預(yù)訓(xùn)練語(yǔ)言模型（如BERT、SimCSE等）將其編碼成高維向量，這些模型能夠捕捉文本的深層語(yǔ)義，使得意思相近的文本在向量空間中的距離更近。對(duì)于知識(shí)圖譜中的實(shí)體和關(guān)系，則采用知識(shí)圖譜嵌入模型（如TransE、RotatE等）學(xué)習(xí)實(shí)體和關(guān)系的向量表示，通過(guò)向量運(yùn)算反映圖譜中的邏輯關(guān)系。面對(duì)圖像、表格等不同模態(tài)的數(shù)據(jù)，可采用多模態(tài)預(yù)訓(xùn)練模型（如CLIP、OFA等）將不同模態(tài)的信息映射到同一向量空間，實(shí)現(xiàn)跨模態(tài)的統(tǒng)一檢索。通過(guò)向量相似度查找，可實(shí)現(xiàn)語(yǔ)義級(jí)檢索，即用戶輸入問(wèn)題后，系統(tǒng)通過(guò)計(jì)算問(wèn)題向量與知識(shí)庫(kù)中所有知識(shí)片段向量的相似度，快速召回最相關(guān)的知識(shí)，而非簡(jiǎn)單的關(guān)鍵詞匹配，極大提升了LLM在問(wèn)答、推理和內(nèi)容歸納方面的能力。

四、應(yīng)用場(chǎng)景探討

為驗(yàn)證所構(gòu)建的“大數(shù)據(jù)審計(jì)數(shù)據(jù)質(zhì)量治理框架”的實(shí)用性與可行性，本文選取審計(jì)工作中高頻、典型的業(yè)務(wù)場(chǎng)景（發(fā)票稽核與費(fèi)用報(bào)銷）作為應(yīng)用示例，系統(tǒng)展示該治理框架如何實(shí)現(xiàn)對(duì)傳統(tǒng)審計(jì)流程的數(shù)字化重構(gòu)與智能化升級(jí)。

在傳統(tǒng)報(bào)銷稽核流程中，審計(jì)人員需人工比對(duì)發(fā)票本體、報(bào)銷系統(tǒng)數(shù)據(jù)、財(cái)務(wù)報(bào)銷制度文檔三類信息源，存在以下四大痛點(diǎn)：核驗(yàn)效率低，需人工逐項(xiàng)比對(duì)關(guān)鍵信息；合規(guī)判斷具有主觀性，審核標(biāo)準(zhǔn)不統(tǒng)一、執(zhí)行彈性較大；真?zhèn)巫R(shí)別與重復(fù)檢測(cè)能力薄弱，缺乏自動(dòng)校驗(yàn)機(jī)制；審計(jì)覆蓋率受限，人工稽核采用抽樣方式，難以實(shí)現(xiàn)全量覆蓋。

本文提出的治理框架通過(guò)多模態(tài)解析與統(tǒng)一知識(shí)庫(kù)協(xié)同，打通數(shù)據(jù)源壁壘，實(shí)現(xiàn)稽核流程的自動(dòng)化與智能化。第一步是多模態(tài)數(shù)據(jù)接入與信息提取。系統(tǒng)同步接收發(fā)票掃描件與報(bào)銷系統(tǒng)錄入字段，調(diào)用OCR模型識(shí)別發(fā)票圖像文本，通過(guò)版面分析與命名實(shí)體識(shí)別，提取發(fā)票代碼、號(hào)碼、日期、金額、銷售方名稱等字段，將提取結(jié)果與報(bào)銷系統(tǒng)數(shù)據(jù)進(jìn)行字段級(jí)匹配，對(duì)金額不符等情況自動(dòng)標(biāo)記“需復(fù)核”。第二步是知識(shí)庫(kù)驅(qū)動(dòng)的多維合規(guī)性檢測(cè)。系統(tǒng)將結(jié)構(gòu)化信息輸入審計(jì)知識(shí)庫(kù)，進(jìn)行規(guī)則驅(qū)動(dòng)的多維合規(guī)判斷。具體包括：抬頭一致性校驗(yàn)，將OCR提取的銷售方名稱與“風(fēng)險(xiǎn)供應(yīng)商庫(kù)”進(jìn)行匹配，并與報(bào)銷人信息交叉驗(yàn)證；時(shí)效合規(guī)性校驗(yàn)，根據(jù)“報(bào)銷有效期”規(guī)則判斷開(kāi)票日期是否合規(guī)；報(bào)銷金額限額判斷，依據(jù)報(bào)銷要求規(guī)則判斷發(fā)票金額是否超限并觸發(fā)相應(yīng)規(guī)則；附件完整性校驗(yàn)，核查報(bào)銷單是否已附加必要憑證；重復(fù)報(bào)銷檢測(cè)，通過(guò)發(fā)票代碼+號(hào)碼在歷史報(bào)銷庫(kù)中進(jìn)行秒級(jí)查重。第三步是稽核結(jié)論生成與證據(jù)鏈固化。系統(tǒng)基于合規(guī)性檢測(cè)結(jié)果自動(dòng)輸出稽核結(jié)論，并給出處理意見(jiàn)，同時(shí)生成證據(jù)包，該證據(jù)包包含原始發(fā)票圖像、OCR提取字段、報(bào)銷單信息、命中制度條款及知識(shí)庫(kù)比對(duì)記錄，實(shí)現(xiàn)審計(jì)全流程可溯源。

該框架在發(fā)票稽核場(chǎng)景下展現(xiàn)出核心價(jià)值：審核效率大幅提升，平均處理時(shí)間縮短至秒級(jí)，95%以上合規(guī)報(bào)銷實(shí)現(xiàn)自動(dòng)通審；審計(jì)覆蓋率提升至100%，實(shí)現(xiàn)從抽樣到全量稽核的跨越；內(nèi)控得以標(biāo)準(zhǔn)化執(zhí)行，規(guī)章制度以知識(shí)規(guī)則形式嚴(yán)格落實(shí)；風(fēng)險(xiǎn)識(shí)別精度提升，支持異常模式自動(dòng)識(shí)別與風(fēng)險(xiǎn)趨勢(shì)追蹤；數(shù)據(jù)資產(chǎn)得以積累，稽核過(guò)程結(jié)構(gòu)化數(shù)據(jù)沉淀為可持續(xù)優(yōu)化的審計(jì)知識(shí)基礎(chǔ)。通過(guò)對(duì)該典型業(yè)務(wù)場(chǎng)景開(kāi)展實(shí)證分析，本文所提出的智能治理框架有效支撐了審計(jì)流程的自動(dòng)化升級(jí)與智能化轉(zhuǎn)型。

五、結(jié)語(yǔ)

本文以數(shù)據(jù)質(zhì)量治理為切入點(diǎn)，圍繞解析與知識(shí)協(xié)同構(gòu)建提出了一套系統(tǒng)化解決方案，不僅在方法體系上具有一定的創(chuàng)新價(jià)值，也在實(shí)務(wù)層面展現(xiàn)出較強(qiáng)的適配力和可推廣性。未來(lái)研究可進(jìn)一步拓展：增強(qiáng)審計(jì)規(guī)則的學(xué)習(xí)與演化能力，引入深度強(qiáng)化學(xué)習(xí)等技術(shù)自動(dòng)構(gòu)建規(guī)則庫(kù)；探索跨系統(tǒng)、跨部門(mén)的異構(gòu)審計(jì)數(shù)據(jù)融合機(jī)制；加強(qiáng)治理平臺(tái)與大語(yǔ)言模型的深度融合，提升審計(jì)問(wèn)題識(shí)別的語(yǔ)義理解能力與自動(dòng)問(wèn)答能力。

文章摘自《中國(guó)內(nèi)部審計(jì)》雜志2025年第11期

作者：吳偉忠 鐘震宇 王振忠 許仔陽(yáng)

單位：廣東電網(wǎng)有限責(zé)任公司審計(jì)中心 南京審計(jì)大學(xué)

編輯：孫哲

目前190000+人已關(guān)注我們，您還等什么？